宁波职业技术学院电子信息工程学院 马宇峰 羊轶涛 马佳明 胡国伟 曾 佳

PCB（Printed circuit Board，印刷电路板）元件的缺陷检测是加工生产中必不可少的环节，此检测具有重要意义。传统的检测方法存在成本高、效率低等缺点。本文设计了一种基于深度学习的PCB板元件缺陷检测系统。在自己制作的PCB板元件数据集上，首先对PCB板的原始图像进行处理识别，再通过Cascade R-CNN卷积神经网络训练数据集，测试集上利用训练好的模型检测训练结果，最后将训练好的模型部署在树莓派4B上，采用Qt软件环境开发人机交互界面。实验证明，本文设计的系统有较好的检测效果，且具备一定的实用性和市场价值。

印刷电路板（又称为印刷线路或印制电路板）是电子元器件电气连接的提供者。PCB元件焊接的质量问题直接决定了企业的生存状况，对于PCB元件缺陷的检测成为企业质量保证必不可少的环节。目前，常用的检测方法有人工测试、电测试和光学测试，其中电测试又包括在线测试和功能测试。近年来自动光学检测(Automatic Optical Inspection System，简称AOI)是PCB元件缺陷的高效检测方法。但是AOI检测系统价格昂贵，很多中小型企业仍采用人眼检测的方法，人眼检测方法存在检测效率低、工人由于长时间工作导致双眼疲劳而造成错误漏检、微小器件人眼无法识别等问题，因此，设计一种低成本、高可靠的PCB元件检测系统具有重要的价值。本文研究基于深度学习的PCB板元件自动缺陷检测方法，这种方法依赖于数据模型，使用部署在树莓派4B上的Opencv4.1.0在Qt5环境下设计UI界面对PCB的元件进行缺陷检测。……